DISTRIBUCIONES PARA

VARIABLES ALEATORIAS
DISCRETAS

VARIABLES ALEATORIAS
Una variable aleatoria es un valor
numrico determinado por el resultado de
un experimento.
Ejemplo 1 considere un experimento
aleatorio en el que se lanza tres veces una
moneda. Sea X el nmero de caras. Sea C
el resultado de obtener una cara y S el de
obtener una sello.
6-3
EJEMPLO 1 continuacin
El espacio muestral para este experimento
ser: SSS, SSC, SCS, CSS, CCS, CSC,
SCC, CCC.
Entonces, los valores posibles de X (nmero
de caras) son x = 0, 1, 2, 3.
6-4
EJEMPLO 1 continuacin
El resultado cero caras ocurri una vez.
El resultado una cara ocurri tres veces.
El resultado dos caras ocurri tres veces.
El resultado tres caras ocurri una vez.
De la definicin de variable aleatoria, la X
definida en este experimento, es una
variable aleatoria.
6-5
DISTRIBUCIONES
PROBABILSTICAS
Una distribucin probabilstica es la
enumeracin de todos los resultados de
un experimento junto con las
probabilidades asociadas. Para el ejemplo
1,
Nmero de caras Probabilidad de los resultados
0 1/8 = .125
1 3/8 = .375
2 3/8 = .375
3 1/8 = .125
Total 8/8 = 1
6-6
CARACTERSTICAS DE UNA
DISTRIBUCIN PROBABILSTICA
La probabilidad de un resultado siempre
debe estar entre 0 y 1.
La suma de todos los resultados
mutuamente excluyentes siempre es 1.
6-7
VARIABLE ALEATORIA
DISCRETA
Una variable aleatoria discreta es una
variable que puede tomar slo ciertos valores
diferentes que son el resultado de la cuenta
de alguna caracterstica de inters.
Ejemplo 2 sea X el nmero de caras
obtenidas al lanzar 3 veces una moneda.
Aqu los valores de X son x = 0, 1, 2, 3.
6-8
VARIABLE ALEATORIA
CONTINUA
Una variable aleatoria continua es una
variable que puede tomar un nmero infinito
de valores.
Ejemplos: la altura de un jugador de
bsquetbol o el tiempo que dura una siesta.
6-9
MEDIA DE UNA
DISTRIBUCIN
PROBABILSTICA DISCRETA
La media:
indica la ubicacin central de los datos.
es el promedio, a la larga, del valor de la
variable aleatoria.
tambin se conoce como el valor
esperado, E(x), en una distribucin de
probabilidad.
es un promedio ponderado.
6-10
MEDIA DE UNA
DISTRIBUCIN
PROBABILSTICA DISCRETA
La media se calcula con la frmula:


donde representa la media y P(x) es la
probabilidad de los diferentes resultados x.
)] ( * [ = ) ( = x P x x E E
6-11
VARIANCIA DE UNA DISTRIBUCIN
PROBABILSTICA DISCRETA
La varianza mide la cantidad de
dispersin (variacin) de una distribucin.
La varianza de una distribucin discreta
se denota por la letra griega (sigma
cuadrada).
La desviacin estndar se obtiene
tomando la raz cuadrada de .
o
2
o
2
6-12
VARIANCIA DE UNA
DISTRIBUCIN PROBABILSTICA
DISCRETA
La varianza de una distribucin de
probabilidad discreta se calcula a partir de la
frmula:
o
2 2
= E[( ) * ( )] x P x
6-13
EJEMPLO 2
Juan Garca,
propietario de una
agencia de finca raz,
estudi sus registros de
las ltimas 20
semanas y obtuvo los
siguientes nmeros de
casas pintadas por
semana:
# de casas pintadas Semanas
10 5
11 6
12 7
13 2
6-14
EJEMPLO 2 continuacin
Distribucin probabilstica:
Nmero de casas
pintadas, X
Probabilidad, P(X)
10 .25
11 .30
12 .35
13 .10
Total 1
6-15
EJEMPLO 2 continuacin
Calcule el nmero medio de casas pintadas
por semana:
= =
= + + +
=
E x xP x ( ) [ ( )]
( )(. ) ( )(. ) ( )(. ) ( )(. )
.
E


10 25 11 30 12 35 13 10
113
6-16
EJEMPLO 2 continuacin
Calcule la variancia del nmero de casas
pintadas por semana:
o
2 2
4225 0270 1715 2890
91
=
= + + +
=
E[( ) ( )]
. . . .
.
x P x


6-17
DISTRIBUCIN
PROBABILSTICA BINOMIAL
La distribucin binomial tiene las siguientes
caractersticas:
un resultado de un experimento se clasifica en
una de dos categoras mutuamente excluyentes:
xito o fracaso.
los datos recolectados son resultados de contar.
la probabilidad de xito es la misma para cada
ensayo.
los ensayos son independientes.
6-18
DISTRIBUCIN
PROBABILSTICA BINOMIAL
Para elaborar una distribucin binomial, sea
n el nmero de ensayos
x el nmero de xitos observados
p la probabilidad de xito en cada
ensayo.
6-19
DISTRIBUCIN
PROBABILSTICA BINOMIAL
La frmula para la distribucin de
probabilidad binomial es:
x n x
p p
x n x
n
x P

= ) 1 (
)! ( !
!
) (
6-20
EJEMPLO 3
El Ministerio del Trabajo reporta que 20 % de
la fuerza de trabajo en Bogot, est
desempleada. De una muestra de 14
trabajadores, calcule las siguientes
probabilidades con la frmula de la
distribucin binomial (n =14, p =.2, ):
tres estn desempleados: P(x=3)=.250
6-21
EJEMPLO 3 continuacin
Nota: stos tambin son ejemplos de
distribuciones probabilsticas acumulativas:
tres o ms estn desempleados:
P(x > 3)=.250 +.172 +.086 +.032
+.009 +.002=.551
al menos un trabajador est desempleado: P(x > 1) =
1 - P(x=0) =1 - .044 = .956
a lo ms dos trabajadores estn desem-pleados: P(x s
2)=.044 +.154 +.250
=.448
6-22
MEDIA Y VARIANCIA DE LA
DISTRIBUCIN BINOMIAL
La media est dada por:


La variancia est dada por:
np =
) 1 (
2
p np = o
6-23
EJEMPLO 4
Del ejemplo 3, recuerde que p =.2 y n=14.
As, la media = n p = 14(.2) = 2.8.
La variancia = n p (1 - p ) = (14)(.2)(.8)
=2.24.
6-24
POBLACIN FINITA
Una poblacin finita es una poblacin que
consiste en un nmero fijo de individuos,
objetos o medidas conocidos.
Los ejemplos incluyen: el nmero de
estudiantes en esta clase, el nmero de
automviles en el estacionamiento.
6-25
DISTRIBUCIN
HIPERGEOMTRICA
Frmula:


donde N es el tamao de la poblacin, S
es el nmero de xitos en la poblacin, x
es el nmero de xitos de inters, n es el
tamao de la muestra, y C es una
combinacin.
n N
x n S N x S
C
C C
x P
) )( (
) (

=
6-26
DISTRIBUCIN
HIPERGEOMTRICA
Use la distribucin hipergeomtrica para
encontrar la probabilidad de un nmero
especfico de xitos o fracasos si:
la muestra se selecciona de una poblacin
finita sin reemplazo (recuerde que un criterio
para la distribucin binomial es que la
probabilidad de xito es la misma de un
ensayo a otro).
el tamao de la muestra n es mayor que
5% del tamao de la poblacin N.
6-27
EJEMPLO 5
La Aeronatica, tiene una lista de 10
violaciones a la seguridad reportadas por una
empresa. Suponga que slo 4 de ellas son en
realidad violaciones y que la Aeronatica slo
podr investigar cinco de las violaciones. Cul
es la probabilidad de que tres de las cinco
violaciones seleccionadas al azar para
investigarlas sean en realidad violaciones?
6-28
EJEMPLO 5 continuacin
P
C C
C
( )
*
*
. 3
4 15
252
238
4 3 6 2
10 5
= = =
N=10
S=4
x=3
n=5
6-29
DISTRIBUCIN DE POISSON
La distribucin de probabilidades binomial se
hace cada vez ms sesgada a la derecha
conforme la probabilidad de xitos
disminuye.
La forma lmite de la distribucin binomial
donde la probabilidad de xito t es muy
pequea y n es grande se llama distribucin
de probabilidades de Poisson.
6-30
DISTRIBUCIN DE POISSON
La distribucin de Poisson se puede describir
matemticamente por la frmula:


donde es la media aritmtica del nmero de
ocurrencias en un intervalo especfico de
tiempo, e es la constante 2.71828 y x es el
nmero de ocurrencias.
P x
e
x
x u
( )
!
=

6-31
DISTRIBUCIN DE POISSON
El nmero medio de xitos se puede
determinar en situaciones binomiales por n p,
donde n es el nmero de ensayos y p la
probabilidad de xito.
La varianza de la distribucin de Poisson
tambin es igual a n p.
6-32
EJEMPLO 6
La fundacin Sana se especializa en el cuidado
de lesiones menores, resfriados y gripe. En las
horas de la tarde de 6-10 PM el nmero medio
de llegadas es 4.0 por hora.
Cul es la probabilidad de 4 llegadas en una
hora? P(4) = (4^4)(e^-4)/4!=.1954.
6-33